مدلسازي ترانزيستور اثر ميداني با نگاشت فضايي عصبي

Modeling field effect transistor by neuro space mapping

در اين مقاله روش كارآمدي براي مدلسازي ترانزيستور اثر ميداني با استفاده از مدل تقريبي و به كمك شبكه عصبي ارائه شده است. بر خلاف مدل هاي دقيق كه داراي پيچيدگي بالا و هزينه زماني وپردازشي زيادي هستند، روش پيشنهادي از پيچيدگي كمتر و سرعت پردازش بيشتري برخوردار است. در اين روش از شبكه عصبي پيشخور براي محاسبه پارامتر اصلاحي در مدل نفوذ-رانش استفاده شده است. بدين صورت حل مدل تقريبي اصلاح شده منجر به جواب دقيق مي شود. روش پيشنهادي براي ترانزيستور اثر ميداني سيليكوني نازك به صورت دو بعدي و براي دو حالت درونيابي و برونيابي در رنج محدود ، شبيه سازي شده است كه نتايج آن براي متغيرهاي اساسي مدل، مثل توزيع الكترون و پتانسيل در طول ترانزيستور در ولتاژهاي مختلف، دقت بالاي روش پيشنهادي را تاييد مي كنند.

In this paper an efficient method for modeling field effect transistors (FET) using the drift-diffusion (DD) model and neural network is presented. Unlike HD model which is complicated, time consuming with high processing cost, the proposed method has lower complexity higher simulate speed. In our method, a feed forward NN is used to modify DD parameters. The modified DD model can generate simulate results of accurate HD model. Two dimensional simulate of a thin film FET shows that the proposed method can efficiently predict electron and potential distribution in difference bias voltages.